如何在perl中正确显示HTML实体

我正在使用PERL编写一个web爬虫程序，当我试图使用HTML:：Entities:：decode_Entities显示字符串时，我意识到有一种奇怪的行为

我处理的字符串包含中文字符和类似于Jìngyè的字符串。 我使用HTML:：Entities:：decode_Entities来解码汉字，效果很好。但是，当字符串不包含中文字符时，字符串会奇怪地显示（J�ngy�).

我编写了一个小代码来测试两个字符串上的不同行为

字符串1是“No.22，J�ngy� 台湾台北市钟山区第三路10466号”和第二条为“台湾台北市钟山区第104号”�ngy� 第三路20号號".

下面是我的代码：

print "before: $1\n";
my $decoded = HTML::Entities::decode_entities($1."&#34399");#I add the last character just for testing
print "decoded $decoded\n";
my $chopped = substr($decoded, 0, -1);
print "chopped: $chopped\n";

以下是我的结果：

之前：第22号，J�ngy� 台湾台北市中山区三路10466号

解码地址：台湾台北市钟山区兴义三路22号，邮编：10466號 （正确）

第22号，J�ngy� 台湾台北市钟山区三路10466（不正确）

前：台湾台北市中山区J�ngy� 第三路20号號

解码104台湾台北市琼山区琼瑶三路20号號號 （正确）

切碎：台湾台北市中山区兴义三路104号20號 （正确）

有人能解释一下为什么会这样吗？　以及如何解决这个问题，使我的字符串能够正确显示

多谢各位

对不起，我没有把问题说清楚，下面是我写的代码，URL是：

---

首先，始终使用

使用严格；使用警告；

问题是您没有对输出进行编码。文件句柄只能传输字节，但您传递的是解码文本

当您传递明显错误的内容时，Perl将输出UTF-8（-ish）。

chr（0x865F）

显然不是字节，因此：

$ perl -we'print "\xE8\x{865F}\n"'
Wide character in print at -e line 1.
è號

$ perl -we'print "\xE8\n"'
�

但有些地方出了问题并不总是很明显。

chr（0xE8）

可能是一个字节，因此：

$ perl -we'print "\xE8\x{865F}\n"'
Wide character in print at -e line 1.
è號

$ perl -we'print "\xE8\n"'
�

将值转换为一系列字节的过程称为“序列化”。序列化文本的具体情况称为字符编码

Encode的

Encode

用于提供字符编码。您还可以使用模块自动调用

Encode

---

你看了吗？你输入的实体是什么样子的？你的示例在框中显示了无效字符；也许这就是所有的解释？也许你需要在like&；entity；中键入它们，以便标记不会吃掉它们。对不起，� 在J�ngy� 已经是替换字符，您因处理不当而破坏了字符串。请显示完整代码，以便我们可以自己重现问题。特别有趣的是，

$1

是如何填充的，以及它与：：Dump（）一起转储时的样子。抱歉，信息是使用LWP->decoded_内容从网站提取的。而$1是使用简单正则表达式获取的。